Noix de Grenoble : l’IA au service des prévisions de récolte

Depuis quatre ans, les vergers de noyers de l’appellation d’origine protégée Noix de Grenoble sont survolés par drone au mois d’août. Objectif : photographier un maximum d’arbres afin d’entraîner l’IA à reconnaître et compter des dizaines de milliers de noix vertes au milieu de la canopée. Grâce à l’algorithme développé par Technivue, le Comité interprofessionnel de la noix de Grenoble (CING) espère obtenir des prévisions de récolte avec une marge d’erreur inférieure à 10 %.

« Notre objectif est de fournir chaque année ces prévisions aux metteurs en marché entre le 25 et le 30 août. La saison commerciale de la noix de Grenoble démarre généralement dans la deuxième quinzaine d’octobre. Cela laisse un mois et demi pour anticiper auprès des clients », explique Nathalie Gaillard, coordinatrice du CING.

Limiter le coût

Les prévisions de récolte en noix de Grenoble existent depuis la fin des années 1990 grâce à une méthode mise au point par la Station expérimentale nucicole Rhône-Alpes (Senura).

Une méthode éprouvée mais lourde à mettre en œuvre puisqu’elle mobilise une main-d’œuvre importante pour compter les noix sur un échantillon de parcelles, prélever des noix vertes pour estimer les calibres de l’année, et réaliser une récolte manuelle à l’automne sur des arbres de référence…

En 2019, un événement climatique a précipité le tournant vers l’IA. « Une partie des arbres de l’échantillon a été déracinée par la tempête. Dans le même temps, nous nous posions des questions pour limiter les coûts de main-d’œuvre nécessaire à ces prévisions de récolte », indique Nathalie Gaillard.

C’est dans ce contexte que le CING s’est tourné, dès 2020, vers la société Technivue, qui a contribué à l'élaboration de Cclair, outil qui analyse la floraison et optimise l'éclaicissage en filière pomme.

« Le drone et l’IA ne sont que des outils »

Pour Stéphane Gruffat, dirigeant de Technivue, la première étape a été de vérifier que le projet était techniquement réaliste. « Le drone et l’IA peuvent être séduisants, mais ce ne sont que des outils. Il faut d’abord se demander s’ils ont une chance d’être adaptés à la tâche que l’on souhaite effectuer », précise-t-il. Le défi est de taille : détecter des noix vertes dans des arbres feuillus… eux aussi verts.

L’entreprise s’est alors donné deux ans pour évaluer la faisabilité du projet. Deux axes de travail ont été menés en parallèle : mettre au point une méthode de prise de vue reproductible d’une année sur l’autre, puis développer les algorithmes capables d’analyser automatiquement les images.

« L’enjeu, c’est de prendre toujours les photos de la même manière afin d’éviter toute variation méthodologique entre les campagnes », souligne Stéphane Gruffat. Plusieurs solutions ont été testées, y compris des prises de vue au sol, avant de retenir le survol aérien.

Des centaines de milliers de noix comptées

L’un des principaux intérêts de la méthode réside dans le changement d’échelle. « Sur chaque parcelle, nous pouvons survoler entre cinquante et cent arbres. Cela rend la méthode beaucoup moins fragile qu’un échantillon limité à quelques arbres de référence », détaille Stéphane Gruffat.

L’IA intervient ensuite pour identifier automatiquement les noix sur les images et les compter. Un apprentissage qui se perfectionne d’année en année. « Les images ne sont jamais les mêmes : l’éclairage, l’angle du soleil ou la densité du feuillage changent. L’algorithme doit apprendre à reconnaître un maximum de situations », explique le dirigeant.

Chaque campagne permet ainsi d’affiner le modèle grâce aux données de récolte réelles transmises ensuite par le CING et la Senura. « Les observations de l’année précédente interviennent dans la méthode », précise Stéphane Gruffat, sans toutefois souhaiter en expliquer davantage.

Réduire la marge d’erreur entre 10 à 5 %

Autre paramètre essentiel pour aboutir à une prévision de récolte : la répartition des calibres qui influe sur le volume. « On ne peut pas l’analyser à partir des photos aériennes, tout simplement parce que la noix est dans son brou et qu’il n’y a pas de correspondance immédiate entre la taille du brou et la taille des noix », regrette-t-il. Les prélèvements terrain restent donc indispensables pour fournir cette information.

Enfin, la question de la précision acceptable pour ces prévisions reste centrale. « Un instrument de mesure a toujours une imprécision. La vraie question est de savoir quelle précision est utile pour l’usage final », souligne Stéphane Gruffat. Les premières années d’essais ont montré des écarts de l’ordre de 10 à 20 %, notamment lors de campagnes atypiques. « Mais nous avons correctement identifié des années exceptionnellement basses, ce qui est déjà une information importante pour les opérateurs économiques », estime-t-il.

Pour le CING, l’enjeu est désormais de poursuivre l’amélioration du modèle afin d’obtenir un outil suffisamment fiable pour accompagner les décisions commerciales de la filière. Avec une marge d’erreur que le CING souhaite désormais voir se réduire entre 10 et 5 %.